记录一篇w10下最新tensorflow2.3的安装包括anaconda,cuda,cudnn安装,配置环境
插眼,防止下次踩坑
配置
i5 10400F+1660s
环境
anaconda3+pycharm+python3.8+vs2019专业版+cuda10.1+cudnn7.6+tensorflow_GPU2.3.0
链接
tensorflow构建配置:https://tensorflow.google.cn/install/source_windows#tested_build_configurations
anaconda3:镜像源下载https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
pycharm:https://www.jetbrains.com/pycharm/
vs2019:https://visualstudio.microsoft.com/zh-hans/vs/
cuda10.1:https://developer.nvidia.com/cuda-10.1-download-archive-base
建议默认安装
cudnn7.6:https://developer.nvidia.com/cudnn
接下里是安装和配置的细节问题,带图
:
1、anaconda
这里作为小白,红色部分要选择,可省去自己添加环境变量的麻烦
最后的两个learn是不需要选的,或者其他版本的框也是不需要勾选的。
此外anaconda的安装位置并不需要安装的默认的C盘,完全可以装到其他盘里。
安装完成后如图,在Prompt中输入python --version
查看python的当前版本。一般是最新的python。
输入python
回车,进入python解释器,类似于python的IDLE。
安装第三方包时,输入pip install A
,或者conda install A
,A表示你要安装的包的名字
2、pycharm
大部分为默认下一步,此处注意选择64位,添加环境变量,.py三个为必选,其他非必须(小白推荐)。pycharm的使用教程可自行学习。
3、vs2019安装
可选社区版可选专业版
这里不清楚需求的可以选择c++,通用windows开发和web开发三个即可。
然后等待安装完即可。
4、cuda安装和cudnn配置
这两个要在安装显卡驱动之前,到NVIDIA官网下载最新的显卡驱动。查看自己的显卡所能安装的最高版本。如下图:
完成之后就可以下载自己想要下载的版本。通俗解释:cuda是一个计算框架,工具包,只能在英伟达的gpu使用;cudnn是一个深度学习加速包,一般都使用这个。再次查看对应版本tensorflow构建配置:https://tensorflow.google.cn/install/source_windows#tested_build_configurations
重点:cudnn和cuda的版本要对应;不推荐安装最新版本的,适当降1-2个版本,稳定,bug少
network和local下载都可以。建议默认安装路径
cuda部分可以全选,剩余两个components看版本,当前版本高于新版本就不装,否则选上。默认下一步安装完成 在cmd中输入nvcc -V
判断是否成功
cudnn的下载
这里下载完成的cudnn7.6如图。
打开后是这个样子,然后把这三个文件夹里面的内容分别复制,粘贴到你安装的cuda的对应的文件里面如果你是默认安装位置的话是这样
我标红的这个文件就是从其中之一复制过来的,时间明显是不一样的,你还需要完成其他两个。
然后是添加环境变量
此图是环境变量-系统变量中的path-编辑。如果按上面的步骤安装在默认位置,那么最前面两个已经自动添加了,你只需要加上我画的最后一个即可。位置给出如下,也就是cuda的安装位置:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
到此配置完成。
tensorflow安装:
1 、打开anaconda Prompt;
2 、输入conda create -n TF-gpu python=3.8(创建一个名叫TF-gpu的虚拟环境,python版本是3.8,在此环境中进行配置,而不影响其他环境);
3 、输入conda activate TF-gpu(激活并进入此环境进行操作);
4、pip install tensorflow==2.3,开始配置一大堆东西;
5、验证是否成功:仍在此环境中输入python,回车;输入import tensorflow as tf,正确显示为:…successfully…
pycharmt中添加解释器:
file-settings-pythonoProject-interprete,
点击,选择add,选择conda Environment,选择Existing Environment,在interpreter栏选择前一步创建好的名为TF-gpu的虚拟环境,ok完成。
输入测试代码:
import tensorflow as tf
print(tf.__version__)
v1 = tf.constant(8.0,dtype=tf.dtypes.float32)
v2 = tf.constant(2.0,dtype=tf.dtypes.float32)
v3 = tf.math.multiply(v1,v2)
print(f"result = {v3}")
右键run。
到此W10下的tensorflow2.3配置完成。帮到的话,请点赞!
本文地址:https://blog.csdn.net/cherr_bomb/article/details/109630316
上一篇: flask学习之数据表对应关系:一对多
下一篇: 基于西瓜数据集的KNN算法实现